tensorflow 中的 tf.train.batch_join() 函数是如何工作的？

Question

我正在尝试在 tensorflow 中训练神经网络。我使用 tf.train.batch_join() 函数加载数据及其标签。我做这样的事情：

image_batch, label_batch, image_batch_f = tf.train.batch_join(
        images_and_labels, batch_size=batch_size_placeholder,
        #shapes=[(args.image_size, args.image_size, 3), ()], enqueue_many=True,
        shapes=[(args.image_height, args.image_width, 3), (), (args.image_height, args.image_width, 3)], enqueue_many=True,
        capacity=4 * nrof_preprocess_threads * args.batch_size,
        allow_smaller_final_batch=True)
    image_batch = tf.identity(image_batch, 'image_batch')
    image_batch = tf.identity(image_batch, 'input')
    label_batch = tf.identity(label_batch, 'label_batch')
    image_batch_f = tf.identity(image_batch_f, 'flipped_images_batch')

在这里，我得到三批数据。一批图像、一批标签和一批与该批图像中相同的图像的翻转图像。我想在这批图像和翻转图像上提取特征。下面的行通过网络传递批量数据。

    # Build the inference graph
    prelogits, _ = network.inference(image_batch, args.keep_probability,
        phase_train=phase_train_placeholder, feature_dimension=args.embedding_size,
        weight_decay=args.weight_decay)


    features = tf.nn.l2_normalize(prelogits, 1, 1e-10, name='embeddings')

    #getting the flipped embeddings
    prelogits_f, _ = network.inference(image_batch_f,args.keep_probability,
                    phase_train=phase_train_placeholder,feature_dimension=args.embedding_size,
                    weight_decay=args.weight_decay,reuse=True)
    features_flipped_images = tf.nn.l2_normalize(prelogits_f,1,1e-10,name='embeddings_f')

为了获得这两个功能，我在 features 和 features_flipped_images 操作上运行了 session.run()。像这样的：

feed_dict = {phase_train_placeholder:False, batch_size_placeholder:batch_size}
emb, emb_f = sess.run([features, features_flipped_images],feed_dict=feed_dict)

我的问题如下。我猜当我在功能上运行会话时，即 batch_join 函数将分派一批大小为 batch_size 的图像。但是当我对 features_flipped_images 执行 session.run() 时，该函数还将从 batch_join 函数中获取一批翻转的图像。执行 features_flipped_images 时，batch_join 函数是否会分派一批新的翻转图像？还是执行特征时生成的同一批翻转图像？如果没有，那么我该怎么做？我想在这批图像和一批翻转图像上提取特征。

Answer 1

我的猜测是每次运行 [features, features_flipped_images] 只会得到同一批数据。举个例子：

imgs_batch,labels_batch = tf.train.batch([img, label]...)

那么，如果您想查看批次中的内容：

imgs_data, labels_data = sess.run([imgs_batch, labels_batch])

你看，当你运行 sess.run([features, features_flipped_images],..) 时它是相似的。我不认为你会得到两批，否则imgs_data和labels_data是不对应的。